现代社会中,互联网应用已经渗透到高校校园的每一个角落,成为师生学习、工作、生活不可或缺的工具。然而,高校校园网复杂的多出口管理架构,以及与运营商合作中“建、管、用”的衔接问题,都为高校在网络出口管理方面提出了不少技术难题。
在此背景下,中国数据通信解决方案领导品牌锐捷网络于近日推出“极简出口解决方案”,适用于各类园区网出口的不同场景,通过分布式多业务网关设备,轻松化解网络出口性能与容量瓶颈,真正简化整个出口结构,在提升用户上网体验的基础上,帮助学校和运营商实现合作共赢。方案不仅包括了RG-RSR77-X系列分布式核心全业务综合网关,还包含最新一代的RG-SAM+认证计费管理平台、RG-SAM运营商版安全计费管理系统。通过分布式体系架构的性能优势,以及多种智能化选路策略,大大提升了出口链路的使用效率。
校园网出口为何“越建越难”
当前,由移动终端主导的校园网新时代已经来临,不仅无线网络建设成为刚需,网络中传输内容不断丰富,视频类流量占整个互联网流量的70%以上……这一系列变化,导致出口带宽出现爆发式的需求增长。但是,出口带宽扩容涉及大量资金投入,有些学校自身无法承担动辄几百万的互联网宽带费用。另外,在传统的运营商投资模式中,宿舍区域的网络又不属于学校,宿舍网管控的权责混淆让校方十分头疼。校方既希望有人投资园区出口带宽,又希望将宿舍网与校园网统一出口,但在网络出口环节存在大量的技术难题。
另一方面,运营商开拓业务的压力也着实不小,虽然拥有庞大的互联网带宽资源、对高校校园网中的应用十分熟悉,也可以投资学校互联网带宽及出口设备,但若不能满足校方运营权和管理权分立的需要,就很难达成互惠互利的目标。因此,当把双方的需求整合分析之后,就可以发现核心问题就在于“网络出口”。
构建智慧出口,实现合作共赢
为了化解供需矛盾,解决网络出口性能与容量瓶颈的问题,简化整个出口结构,同时帮助学校和运营商达成合作,锐捷网络发布了“极简出口解决方案”。首先,性能强悍的锐捷RG-RSR77-X采用了分布式体系架构,其主控引擎与交换网板分离,单业务板卡性能可达120Gbps,一台设备就能够支持10/20万用户大容量并发,满足了移动终端爆发增长,以及高性能出口带宽的扩容需求,各种智能选路、策略控制优化用户的互联网访问体验。其次,RG-SAM运营商版安全计费管理系统,已经拥有14年的“工作经验”(锐捷在2002年推出第一代SAM),每一个版本都紧随时代发展,以快速响应校园网的业务需求。
在部署和管理方面,锐捷“极简出口解决方案”支持BRAC合作模式、AAA对接合作模式、学校自建模式等多种园区网出口场景。在AAA对接模式中,通过SAM运营商版与运营商AAA对接,支持与运营商(移动、联通、电信)认证计费系统的透明对接,可以轻松实现账号验证和合作对账,便于运营商在宿舍网运营中为用户提供融合套餐,并通过RG-RSR77-X进行用户选路和带宽控制。在BRAC模式中,通过RG-RSR77-X与SAM+的BRAC对接组件,代理终端到运营商BRAS进行PPPoE拨号上网,无需与运营商认证系统对接,避免对运营商AAA造成对接风险,节省跨级流程审批时间,业务拓展迅速。另外,如果学校采用自建模式,从运营商购买出口带宽,可以通过RG-RSR77-X直接连接运营商线路, 高性能、大容量NAT满足所有终端上网。
在用户网络体验保障方面,RG-RSR77-X系列核心全业务路由器单业务卡最低支持500万NAT连接并发,相比于同类产品业务性能提升20%~30%。其内置的多种智能选路策略和智能DNS,通过智能选路帮助学校合理分配链路,最大化提升链路使用率,提升用户上网体验。在日常运维管理中,RG-RSR77-X系列的可以有效防止自身受到DDoS等攻击、实时监测出口多链路负载情况,并且根据业务特性和优先级自动选择负载轻的链路,全面提升跨运营商访问的速度。
锐捷“极简出口解决方案”以学校出口为合作边界,权责分明,为运营商与高校合作运营扫清了技术障碍。通过学校与运营商边界隔离,运营商可以自主定制套餐,提高放号量。而对于校方而言,不仅可以部署、PPPoE、802.1x和Web等灵活的认证方式,对学生宿舍网实现校内免费,Internet收费的准入准出模式。同时,还可以利用“极简出口解决方案”标准化的协议,与运营商的华为、中兴、Juniper等主流BRAS设备对接,保护投资、简化运维。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。